Hands-On¶

Hands-On ini digunakan pada kegiatan Microcredential Associate Data Scientist 2021

Tugas Mandiri Pertemuan 15¶

Pertemuan 15 (limabelas) pada Microcredential Associate Data Scientist 2021 menyampaikan materi mengenai Membangun Model (Clustering). silakan Anda kerjakan Latihan 1 s/d 10. Output yang anda lihat merupakan panduan yang dapat Anda ikuti dalam penulisan code :)

# Import library numpy untuk operasi fungsi aritmatika
........................

# import library pandas untuk operasi dataframe
........................

# Import library matplotlib dan seaborn untuk visualisasi
........................
........................
........................
........................

# Import library Axes3D untuk vizualisasi 3 Dimensi 
........................

# import library datetime untuk operasi yang berhubungan dengan waktu.
........................

# import library Label encoder untuk mengubah setiap nilai dalam kolom menjadi angka yang berurutan / numeric
........................

# import library StandardScaler untuk menskalakan nilai kolom jika terdpaat perbedaan skala, StandardScaler berfungsi menghilangkan mean (terpusat pada 0) dan menskalakan ke variansi (deviasi standar = 1), dengan asumsi data terdistribusi normal (gauss) untuk semua fitur
........................

# import library PCA adalah prosedur statistik yang mengekstrak fitur-fitur terpenting dari suatu dataset
........................

# import library KElbowVisualizer untuk mengimplementasikan metode "elbow/siku" untuk data scientist memilih jumlah cluster yang optimal dengan menyesuaikan model dengan rentang nilai untuk K
........................

# import library KMeans metode adalah teknik unsupervised machine learning yang digunakan untuk mengidentifikasi kelompok objek data dalam kumpulan data
........................

........................


# import library AgglomerativeClustering untuk melakukan pengelompokan data menggunakan bottom-up manner
........................


# import library metrics untuk mengimplementasikan fungsi yang menilai kesalahan prediksi untuk tujuan tertentu
........................

# me-non aktifkan peringatan pada python
........................ 
........................

# mendefinisikan nilai acak 
........................(42)

Jumlah Data : 2240

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 2240 entries, 0 to 2239
Data columns (total 29 columns):
 #   Column               Non-Null Count  Dtype  
---  ------               --------------  -----  
 0   ID                   2240 non-null   int64  
 1   Year_Birth           2240 non-null   int64  
 2   Education            2240 non-null   object 
 3   Marital_Status       2240 non-null   object 
 4   Income               2216 non-null   float64
 5   Kidhome              2240 non-null   int64  
 6   Teenhome             2240 non-null   int64  
 7   Dt_Customer          2240 non-null   object 
 8   Recency              2240 non-null   int64  
 9   MntWines             2240 non-null   int64  
 10  MntFruits            2240 non-null   int64  
 11  MntMeatProducts      2240 non-null   int64  
 12  MntFishProducts      2240 non-null   int64  
 13  MntSweetProducts     2240 non-null   int64  
 14  MntGoldProds         2240 non-null   int64  
 15  NumDealsPurchases    2240 non-null   int64  
 16  NumWebPurchases      2240 non-null   int64  
 17  NumCatalogPurchases  2240 non-null   int64  
 18  NumStorePurchases    2240 non-null   int64  
 19  NumWebVisitsMonth    2240 non-null   int64  
 20  AcceptedCmp3         2240 non-null   int64  
 21  AcceptedCmp4         2240 non-null   int64  
 22  AcceptedCmp5         2240 non-null   int64  
 23  AcceptedCmp1         2240 non-null   int64  
 24  AcceptedCmp2         2240 non-null   int64  
 25  Complain             2240 non-null   int64  
 26  Z_CostContact        2240 non-null   int64  
 27  Z_Revenue            2240 non-null   int64  
 28  Response             2240 non-null   int64  
dtypes: float64(1), int64(25), object(3)
memory usage: 507.6+ KB

Jumlah data setelah menghapus baris dengan nilai yang hilang adalah: 2216

Tanggal pendaftaran pelanggan terbaru dalam catatan: 2014-12-06
Tanggal pendaftaran pelanggan terlama dalam catatan: 2012-01-08

Total kategori dalam fitur Marital_Status:

 Married     857
Together    573
Single      471
Divorced    232
Widow        76
Alone         3
Absurd        2
YOLO          2
Name: Marital_Status, dtype: int64 

Total kategori dalam fitur Education:

 Graduation    1116
PhD            481
Master         365
2n Cycle       200
Basic           54
Name: Education, dtype: int64

Plot Relatif Dari Beberapa Fitur Terpilih: Subset Data

<Figure size 576x396 with 0 Axes>

Jumlah total data setelah menghapus outlier adalah: 2212

<AxesSubplot:>

Variabel kategori dalam dataset: ['Education', 'Living_With']

IMPORTING LIBRARIES
¶

Latihan (1)¶

# Import library numpy untuk operasi fungsi aritmatika
........................

# import library pandas untuk operasi dataframe
........................

# Import library matplotlib dan seaborn untuk visualisasi
........................
........................
........................
........................

# Import library Axes3D untuk vizualisasi 3 Dimensi 
........................

# import library datetime untuk operasi yang berhubungan dengan waktu.
........................

# import library Label encoder untuk mengubah setiap nilai dalam kolom menjadi angka yang berurutan / numeric
........................

# import library StandardScaler untuk menskalakan nilai kolom jika terdpaat perbedaan skala, StandardScaler berfungsi menghilangkan mean (terpusat pada 0) dan menskalakan ke variansi (deviasi standar = 1), dengan asumsi data terdistribusi normal (gauss) untuk semua fitur
........................

# import library PCA adalah prosedur statistik yang mengekstrak fitur-fitur terpenting dari suatu dataset
........................

# import library KElbowVisualizer untuk mengimplementasikan metode "elbow/siku" untuk data scientist memilih jumlah cluster yang optimal dengan menyesuaikan model dengan rentang nilai untuk K
........................

# import library KMeans metode adalah teknik unsupervised machine learning yang digunakan untuk mengidentifikasi kelompok objek data dalam kumpulan data
........................

........................


# import library AgglomerativeClustering untuk melakukan pengelompokan data menggunakan bottom-up manner
........................


# import library metrics untuk mengimplementasikan fungsi yang menilai kesalahan prediksi untuk tujuan tertentu
........................

# me-non aktifkan peringatan pada python
........................ 
........................

# mendefinisikan nilai acak 
........................(42)

LOADING DATA
¶

Latihan (2)¶

#Load the dataset dan tampilkan data nya 
........................
........................
........................

Jumlah Data : 2240

Untuk informasi lebih lanjut tentang atribut data disini.

DATA CLEANING
¶

Di bagian ini

Data Cleaning
Feature Engineering

Untuk mendapatkan pemahaman penuh tentang langkah-langkah apa yang harus kita ambil untuk membersihkan dataset. Mari kita lihat informasi dalam data.

Latihan (3)¶

# Melihat Informasi lebih detail mengenai struktur DataFrame dapat dilihat menggunakan fungsi info() 
........................

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 2240 entries, 0 to 2239
Data columns (total 29 columns):
 #   Column               Non-Null Count  Dtype  
---  ------               --------------  -----  
 0   ID                   2240 non-null   int64  
 1   Year_Birth           2240 non-null   int64  
 2   Education            2240 non-null   object 
 3   Marital_Status       2240 non-null   object 
 4   Income               2216 non-null   float64
 5   Kidhome              2240 non-null   int64  
 6   Teenhome             2240 non-null   int64  
 7   Dt_Customer          2240 non-null   object 
 8   Recency              2240 non-null   int64  
 9   MntWines             2240 non-null   int64  
 10  MntFruits            2240 non-null   int64  
 11  MntMeatProducts      2240 non-null   int64  
 12  MntFishProducts      2240 non-null   int64  
 13  MntSweetProducts     2240 non-null   int64  
 14  MntGoldProds         2240 non-null   int64  
 15  NumDealsPurchases    2240 non-null   int64  
 16  NumWebPurchases      2240 non-null   int64  
 17  NumCatalogPurchases  2240 non-null   int64  
 18  NumStorePurchases    2240 non-null   int64  
 19  NumWebVisitsMonth    2240 non-null   int64  
 20  AcceptedCmp3         2240 non-null   int64  
 21  AcceptedCmp4         2240 non-null   int64  
 22  AcceptedCmp5         2240 non-null   int64  
 23  AcceptedCmp1         2240 non-null   int64  
 24  AcceptedCmp2         2240 non-null   int64  
 25  Complain             2240 non-null   int64  
 26  Z_CostContact        2240 non-null   int64  
 27  Z_Revenue            2240 non-null   int64  
 28  Response             2240 non-null   int64  
dtypes: float64(1), int64(25), object(3)
memory usage: 507.6+ KB

Dari output di atas, kita dapat menyimpulkan dan mencatat bahwa:

Ada nilai yang hilang/missing value dalam kolom income
Dt_Customer yang menunjukkan tanggal pelanggan bergabung dengan database tidak diuraikan sebagai DateTime
Ada beberapa fitur kategoris dalam dataframe; karena ada beberapa fitur bertipe object. Jadi kita perlu mengkodekannya ke dalam bentuk numerik nanti.

Pertama-tama, untuk nilai yang hilang, kita hanya akan menghapus baris yang memiliki nilai pendapatan yang hilang.

# menghapus missing values
........................
........................

Jumlah data setelah menghapus baris dengan nilai yang hilang adalah: 2216

Pada langkah selanjutnya, kita akan membuat fitur dari "Dt_Customer" yang menunjukkan jumlah hari pelanggan terdaftar di database perusahaan. Namun, untuk membuatnya tetap sederhana, kita mengambil nilai ini relatif terhadap pelanggan terbaru dalam catatan.

Jadi untuk mendapatkan nilai, kita harus memeriksa tanggal rekaman terbaru dan terlama.

data["Dt_Customer"] = pd.to_datetime(data["Dt_Customer"])
dates = []
for i in data["Dt_Customer"]:
    i = i.date()
    dates.append(i)  
    
# Tanggal pelanggan terbaru dan terlama yang tercatat
........................
........................

Tanggal pendaftaran pelanggan terbaru dalam catatan: 2014-12-06
Tanggal pendaftaran pelanggan terlama dalam catatan: 2012-01-08

Membuat fitur ("Customer_For") dari jumlah hari pelanggan mulai berbelanja di toko relatif terhadap tanggal terakhir yang tercatat

# Membuat fitur "Customer_For"
days = []
d1 = max(dates) # membawanya menjadi pelanggan terbaru
for i in dates:
    delta = d1 - i
    days.append(delta)
data["Customer_For"] = days
data["Customer_For"] = pd.to_numeric(data["Customer_For"], errors="coerce")

Sekarang kita akan mengeksplorasi nilai unik dalam fitur kategoris untuk mendapatkan gambaran yang jelas tentang data.

print("Total kategori dalam fitur Marital_Status:\n\n", data["Marital_Status"].value_counts(), "\n")
print("Total kategori dalam fitur Education:\n\n", data["Education"].value_counts())

Total kategori dalam fitur Marital_Status:

 Married     857
Together    573
Single      471
Divorced    232
Widow        76
Alone         3
Absurd        2
YOLO          2
Name: Marital_Status, dtype: int64 

Total kategori dalam fitur Education:

 Graduation    1116
PhD            481
Master         365
2n Cycle       200
Basic           54
Name: Education, dtype: int64

Latihan (4)¶

Pada step berikutnya, kita akan melakukan langkah-langkah berikut untuk merekayasa beberapa fitur baru:

Ekstrak "Age" dari pelanggan dengan "Year_Birth" yang menunjukkan tahun lahir orang yang bersangkutan.
Buat fitur lain "Spent" yang menunjukkan jumlah total yang dibelanjakan oleh pelanggan dalam berbagai kategori selama rentang waktu dua tahun.
Buat fitur lain "Living_With" dari "Marital_Status" untuk mengekstrak situasi kehidupan pasangan.
Buat fitur "Children" untuk menunjukkan jumlah anak dalam rumah tangga, anak-anak dan remaja.
Untuk mendapatkan kejelasan lebih lanjut tentang rumah tangga, Membuat fitur yang menunjukkan "Family_Size"
Buat fitur "Is_Parent" untuk menunjukkan status orang tua
Terakhir, kita akan membuat tiga kategori di "Education" dengan menyederhanakan penghitungan nilainya.
Menjatuhkan beberapa fitur yang berlebihan / redundant features

#Feature Engineering

# Usia pelanggan hari ini 
........................

# Total pengeluaran untuk berbagai macam item
........................

# situasi kehidupan dari status pernikahan "Alone" 
........................

# Fitur yang menunjukkan jumlah anak yang tinggal di rumah tangga
........................

# Fitur untuk total anggota dalam rumah tangga
........................

# Fitur yang berkaitan dengan orang tua
........................

# Segmentasi tingkat pendidikan dalam tiga kelompok
........................

# Untuk kejelasan produk
........................

# Drop / Menjatuhkan beberapa fitur yang berlebihan / redundant features
........................
........................

Sekarang kita memiliki beberapa fitur baru, mari kita lihat statistik data.

# melihat statistik data untuk data numeric
data.describe()

Latihan (5)¶

Statistik di atas menunjukkan beberapa perbedaan dalam rata - rata Pendapatan dan income, dan maksimal pendapatan Usia/Age.

Perhatikan bahwa usia maksimal adalah 128 tahun, Karena kita menghitung usia yang akan menjadi hari ini (yaitu 2021) dan datanya sudah tua.

Kita harus melihat pada pandangan yang lebih luas dari data.

Kita akan memplot beberapa fitur yang dipilih.

#To plot some selected features 
#Setting up colors prefrences
........................
........................
........................


#Plotting fitur
........................
........................
........................
........................

plt.show()

Plot Relatif Dari Beberapa Fitur Terpilih: Subset Data

<Figure size 576x396 with 0 Axes>

Jelas, ada beberapa outlier dalam fitur Pendapatan dan Usia.

Kita akan menghapus outlier dalam data.

# Drop outlier dengan menetapkan batas pada Usia dan pendapatan.
data = data[(data["Age"]<90)]
data = data[(data["Income"]<600000)]
print("Jumlah total data setelah menghapus outlier adalah:", len(data))

Jumlah total data setelah menghapus outlier adalah: 2212

Selanjutnya, mari kita lihat korelasi di antara fitur-fiturnya.

(Tidak termasuk atribut kategoris pada saat ini)

#correlation matrix
........................
........................
........................

<AxesSubplot:>

Datanya cukup bersih dan fitur-fitur baru telah disertakan. Kita akan melanjutkan ke langkah berikutnya. Yaitu mengolah data terlebih dahulu.

DATA PREPROCESSING
¶

Pada bagian ini, kita akan melakukan preprocessing data untuk melakukan operasi clustering.

Langkah-langkah berikut diterapkan untuk memproses data sebelumnya:

Label encoding/Label pengkodean fitur kategoris
Menskalakan fitur menggunakan scaler standar
Membuat subset dataframe untuk pengurangan dimensi / dimensionality reduction

Latihan (6)¶

# Get List dari variabel categorical
........................
........................

print("Variabel kategori dalam dataset:", object_cols)

Variabel kategori dalam dataset: ['Education', 'Living_With']

# Label Encoding (dtypes: objek)
LE=LabelEncoder()
for i in object_cols:
    data[i]=data[[i]].apply(LE.fit_transform)
    
print("Semua fitur sekarang numerik")

Semua fitur sekarang numerik

# Membuat salinan data
........................

# membuat subset dataframe dengan menghapus fitur pada penawaran yang diterima (features on deals accepted) dan promosi (promotions)
........................
........................

#Scaling
........................
........................
........................
........................

Semua fitur sekarang sudah diskalakan

# Data yang diskalakan untuk digunakan untuk mengurangi dimensi/reducing the dimensionality
........................
........................

Dataframe yang akan digunakan untuk pemodelan lebih lanjut:

DIMENSIONALITY REDUCTION
¶

Dalam masalah ini, ada banyak faktor yang menjadi dasar klasifikasi akhir akan dilakukan. Faktor-faktor ini pada dasarnya adalah atribut atau fitur. Semakin tinggi jumlah fitur, semakin sulit untuk bekerja dengannya. Banyak dari fitur ini berkorelasi, dan karenanya berlebihan/redundant. Inilah sebabnya mengapa kita akan melakukan pengurangan dimensi pada fitur yang dipilih sebelum menempatkannya melalui pengklasifikasi. Pengurangan dimensi/Dimensionality reduction adalah proses mengurangi jumlah variabel acak yang dipertimbangkan, dengan memperoleh satu set variabel utama.

Principal component analysis (PCA) adalah teknik untuk mengurangi dimensi kumpulan data tersebut, meningkatkan kemampuan interpretasi tetapi pada saat yang sama meminimalkan kehilangan informasi.

Langkah - langkah pada bagian ini:

Pengurangan dimensi dengan PCA
Plotting the reduced dataframe

Dimensionality reduction with PCA

Untuk kasus ini, kita akan mengurangi dimensi menjadi 3.

Latihan (7)¶

# Memulai PCA untuk mengurangi dimensi alias fitur menjadi 3
........................
........................
........................
........................

# Proyeksi 3D Data Dalam Dimensi yang Dikurangi/Reduced Dimension
........................
........................
........................

# plotting
fig = plt.figure(figsize=(10,8))
ax = fig.add_subplot(111, projection="3d")
ax.scatter(x,y,z, c="maroon", marker="o" )
ax.set_title("Proyeksi 3D Data Dalam Dimensi yang Dikurangi/Reduced Dimension")
plt.show()

CLUSTERING
¶

Sekarang kita telah mengurangi atribut menjadi tiga dimensi, kita akan melakukan pengelompokan melalui pengelompokan Agglomerative. Pengelompokan aglomeratif adalah metode pengelompokan hierarkis. Ini melibatkan penggabungan contoh sampai jumlah cluster yang diinginkan tercapai.

Langkah-langkah yang dilakukan dalam Clustering

Metode Elbow untuk menentukan jumlah cluster yang akan dibentuk
Clustering melalui Agglomerative Clustering
Memeriksa cluster yang terbentuk melalui scatter plot

Latihan (8)¶

# Quick examination of elbow method to find numbers of clusters to make.
print('Metode Elbow untuk menentukan jumlah cluster yang akan dibentuk:')
........................
........................
........................

Metode Elbow untuk menentukan jumlah cluster yang akan dibentuk:

<AxesSubplot:title={'center':'Distortion Score Elbow for KMeans Clustering'}, xlabel='k', ylabel='distortion score'>

Sel di atas menunjukkan bahwa empat akan menjadi jumlah cluster yang optimal untuk data ini.

Selanjutnya, kita akan fit Model Agglomerative Clustering untuk mendapatkan cluster akhir.

# Memulai model Agglomerative Clustering 
........................

# fit model and predict clusters
........................
........................

# Menambahkan fitur Cluster ke dataframe asli.
........................

Untuk memeriksa cluster yang terbentuk mari kita lihat distribusi 3-D dari cluster.

#Plotting clusters
fig = plt.figure(figsize=(10,8))
ax = plt.subplot(111, projection='3d', label="bla")
ax.scatter(x, y, z, s=40, c=PCA_ds["Clusters"], marker='o', cmap = cmap )
ax.set_title("Plot Clusters")
plt.show()

EVALUATING MODELS
¶

Karena ini adalah unsupervised clustering. Kita tidak memiliki fitur yang ditandai untuk mengevaluasi atau menilai model kita. Tujuan dari bagian ini adalah untuk mempelajari pola-pola dalam klaster yang terbentuk dan menentukan sifat dari pola klaster tersebut.

Untuk itu, kita akan melihat data berdasarkan cluster melalui analisis data eksplorasi dan penarikan kesimpulan.

Pertama, mari kita lihat distribusi grup dari clustering

Latihan (9)¶

#Plotting countplot dari clusters
........................
........................
........................
........................

Cluster tampaknya cukup terdistribusi.

pl = sns.scatterplot(data = data,x=data["Spent"], y=data["Income"],hue=data["Clusters"], palette= pal)
pl.set_title("Profil Cluster Berdasarkan Income Dan Spending")
plt.legend()
plt.show()

Income vs spending plot menunjukkan pola cluster

group 0: high spending & average income
group 1: high spending & high income
group 2: low spending & low income
group 3: high spending & low income

Selanjutnya, kita akan melihat distribusi klaster yang terperinci sesuai dengan berbagai produk dalam data. Yaitu: Wines, Fruits, Meat, Fish, Sweets dan Gold

plt.figure()
pl=sns.swarmplot(x=data["Clusters"], y=data["Spent"], color= "#CBEDDD", alpha=0.5 )
pl=sns.boxenplot(x=data["Clusters"], y=data["Spent"], palette=pal)
plt.show()

Dari plot di atas, dapat dilihat dengan jelas bahwa cluster 1 adalah kumpulan pelanggan terbesar kita diikuti oleh cluster 0. Kita dapat mengeksplorasi apa yang dibelanjakan setiap cluster untuk strategi pemasaran yang ditargetkan.

Selanjutnya mari kita jelajahi bagaimana kinerja kampanye kita di masa lalu.

# Membuat fitur untuk mendapatkan sejumlah promosi yang diterima/accepted promotions
data["Total_Promos"] = data["AcceptedCmp1"]+ data["AcceptedCmp2"]+ data["AcceptedCmp3"]+ data["AcceptedCmp4"]+ data["AcceptedCmp5"]

# plotting Jumlah dari total kampanye yang diterima.
plt.figure()
pl = sns.countplot(x=data["Total_Promos"],hue=data["Clusters"], palette= pal)
pl.set_title("Jumlah dari Promotion Accepted")
pl.set_xlabel("Angka/number dari Total Accepted Promotions")
plt.show()

Sejauh ini belum ada tanggapan yang luar biasa terhadap kampanye tersebut. Sangat sedikit peserta secara keseluruhan. Selain itu, tidak ada satu bagian yang mengambil semua 5 dari mereka. Mungkin diperlukan kampanye yang lebih tepat sasaran dan terencana dengan baik untuk meningkatkan penjualan.

#Plotting jumlah transaksi yang dibeli / deals purchased 
........................
........................
........................
plt.show()

Tidak seperti kampanye, penawaran yang ditawarkan berhasil dengan baik. Ini memiliki hasil terbaik dengan cluster 0 dan cluster 3. Namun, pelanggan bintang kita cluster 1 tidak terlalu tertarik dengan kesepakatan. Sepertinya tidak ada yang menarik cluster 2 secara berlebihan

# untuk detail lebih lanjut tentang gaya pembelian/purchasing style 
........................

for i in Places:
    plt.figure()
    sns.jointplot(x=data[i],y = data["Spent"],hue=data["Clusters"], palette= pal)
    plt.show()

<Figure size 576x396 with 0 Axes>

<Figure size 576x396 with 0 Axes>

<Figure size 576x396 with 0 Axes>

<Figure size 576x396 with 0 Axes>

PROFILING
¶

Sekarang kita telah membentuk klaster dan melihat kebiasaan pembelian mereka. Mari kita lihat siapa saja yang ada di cluster ini. Untuk itu, kita akan membuat profil klaster-klaster yang terbentuk dan sampai pada kesimpulan tentang siapa pelanggan utama kita dan siapa yang membutuhkan perhatian lebih dari tim pemasaran toko ritel.

Untuk memutuskan bahwa kita akan merencanakan beberapa fitur yang menunjukkan ciri-ciri pribadi pelanggan dalam terang cluster mereka masuk Atas dasar hasil, kita akan sampai pada kesimpulan.

Latihan (10)¶

Personal = [ "Kidhome","Teenhome","Customer_For", "Age", "Children", "Family_Size", "Is_Parent", "Education","Living_With"]

for i in Personal:
    plt.figure()
    sns.jointplot(x=data[i], y=data["Spent"], hue =data["Clusters"], kind="kde", palette=pal)
    plt.show()

#Berikan Penjelasan dari coding ini!
........................
........................
........................
........................

<Figure size 576x396 with 0 Axes>

<Figure size 576x396 with 0 Axes>

<Figure size 576x396 with 0 Axes>

<Figure size 576x396 with 0 Axes>

<Figure size 576x396 with 0 Axes>

<Figure size 576x396 with 0 Axes>

<Figure size 576x396 with 0 Axes>

<Figure size 576x396 with 0 Axes>

<Figure size 576x396 with 0 Axes>

Hal-hal yang perlu diperhatikan:

Informasi berikut dapat disimpulkan tentang pelanggan di cluster yang berbeda.

CONCLUSION
¶

Dalam kasus ini, kita melakukan unsupervised clustering. Kita memang menggunakan pengurangan dimensi/dimensionality reduction diikuti oleh agglomerative clustering. Kita datang dengan 4 cluster dan selanjutnya menggunakannya dalam membuat profil pelanggan dalam cluster sesuai dengan struktur keluarga dan pendapatan/pengeluaran mereka(income/spending).

Ini dapat digunakan dalam merencanakan strategi pemasaran yang lebih baik!

Terimakasih Semoga dapat menambah akan pemahaman kalian!

	Income	Kidhome	Teenhome	Recency	Wines	Fruits	Meat	Fish	Sweets	Gold	...	AcceptedCmp1	AcceptedCmp2	Complain	Response	Customer_For	Age	Spent	Children	Family_Size	Is_Parent
count	2216.000000	2216.000000	2216.000000	2216.000000	2216.000000	2216.000000	2216.000000	2216.000000	2216.000000	2216.000000	...	2216.000000	2216.000000	2216.000000	2216.000000	2.216000e+03	2216.000000	2216.000000	2216.000000	2216.000000	2216.000000
mean	52247.251354	0.441787	0.505415	49.012635	305.091606	26.356047	166.995939	37.637635	27.028881	43.965253	...	0.064079	0.013538	0.009477	0.150271	4.423735e+16	52.179603	607.075361	0.947202	2.592509	0.714350
std	25173.076661	0.536896	0.544181	28.948352	337.327920	39.793917	224.283273	54.752082	41.072046	51.815414	...	0.244950	0.115588	0.096907	0.357417	2.008532e+16	11.985554	602.900476	0.749062	0.905722	0.451825
min	1730.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	...	0.000000	0.000000	0.000000	0.000000	0.000000e+00	25.000000	5.000000	0.000000	1.000000	0.000000
25%	35303.000000	0.000000	0.000000	24.000000	24.000000	2.000000	16.000000	3.000000	1.000000	9.000000	...	0.000000	0.000000	0.000000	0.000000	2.937600e+16	44.000000	69.000000	0.000000	2.000000	0.000000
50%	51381.500000	0.000000	0.000000	49.000000	174.500000	8.000000	68.000000	12.000000	8.000000	24.500000	...	0.000000	0.000000	0.000000	0.000000	4.432320e+16	51.000000	396.500000	1.000000	3.000000	1.000000
75%	68522.000000	1.000000	1.000000	74.000000	505.000000	33.000000	232.250000	50.000000	33.000000	56.000000	...	0.000000	0.000000	0.000000	0.000000	5.927040e+16	62.000000	1048.000000	1.000000	3.000000	1.000000
max	666666.000000	2.000000	2.000000	99.000000	1493.000000	199.000000	1725.000000	259.000000	262.000000	321.000000	...	1.000000	1.000000	1.000000	1.000000	9.184320e+16	128.000000	2525.000000	3.000000	5.000000	1.000000

	Education	Income	Kidhome	Teenhome	Recency	Wines	Fruits	Meat	Fish	Sweets	...	NumCatalogPurchases	NumStorePurchases	NumWebVisitsMonth	Customer_For	Age	Spent	Living_With	Children	Family_Size	Is_Parent
0	-0.893586	0.287105	-0.822754	-0.929699	0.310353	0.977660	1.552041	1.690293	2.453472	1.483713	...	2.503607	-0.555814	0.692181	1.973583	1.018352	1.676245	-1.349603	-1.264598	-1.758359	-1.581139
1	-0.893586	-0.260882	1.040021	0.908097	-0.380813	-0.872618	-0.637461	-0.718230	-0.651004	-0.634019	...	-0.571340	-1.171160	-0.132545	-1.665144	1.274785	-0.963297	-1.349603	1.404572	0.449070	0.632456
2	-0.893586	0.913196	-0.822754	-0.929699	-0.795514	0.357935	0.570540	-0.178542	1.339513	-0.147184	...	-0.229679	1.290224	-0.544908	-0.172664	0.334530	0.280110	0.740959	-1.264598	-0.654644	-1.581139
3	-0.893586	-1.176114	1.040021	-0.929699	-0.795514	-0.872618	-0.561961	-0.655787	-0.504911	-0.585335	...	-0.913000	-0.555814	0.279818	-1.923210	-1.289547	-0.920135	0.740959	0.069987	0.449070	0.632456
4	0.571657	0.294307	1.040021	-0.929699	1.554453	-0.392257	0.419540	-0.218684	0.152508	-0.001133	...	0.111982	0.059532	-0.132545	-0.822130	-1.033114	-0.307562	0.740959	0.069987	0.449070	0.632456

	count	mean	std	min	25%	50%	75%	max
col1	2212.0	5.882375e-17	2.878377	-5.969394	-2.538494	-0.780421	2.383290	7.444305
col2	2212.0	2.549698e-17	1.706839	-4.312196	-1.328316	-0.158123	1.242289	6.142721
col3	2212.0	6.098196e-18	1.221956	-3.530416	-0.829067	-0.022692	0.799895	6.611222

Hands-On¶

Tugas Mandiri Pertemuan 15¶

Customer Segmentation
¶

IMPORTING LIBRARIES
¶

Latihan (1)¶

LOADING DATA
¶

Latihan (2)¶

DATA CLEANING
¶

Latihan (3)¶

Latihan (4)¶

Latihan (5)¶

DATA PREPROCESSING
¶

Latihan (6)¶

DIMENSIONALITY REDUCTION
¶

Latihan (7)¶

CLUSTERING
¶

Latihan (8)¶

EVALUATING MODELS
¶

Latihan (9)¶

PROFILING
¶

Latihan (10)¶

CONCLUSION
¶

END
¶

	ID	Year_Birth	Education	Marital_Status	Income	Kidhome	Teenhome	Dt_Customer	Recency	MntWines	...	NumWebVisitsMonth	Z_CostContact	Z_Revenue	Response
0	5524	1957	Graduation	Single	58138.0	0	0	04-09-2012	58	635	...	7	3	11	1
1	2174	1954	Graduation	Single	46344.0	1	1	08-03-2014	38	11	...	5	3	11	0
2	4141	1965	Graduation	Together	71613.0	0	0	21-08-2013	26	426	...	4	3	11	0
3	6182	1984	Graduation	Together	26646.0	1	0	10-02-2014	26	11	...	6	3	11	0
4	5324	1981	PhD	Married	58293.0	1	0	19-01-2014	94	173	...	5	3	11	0

Hands-On¶

Tugas Mandiri Pertemuan 15¶

Customer Segmentation¶

IMPORTING LIBRARIES¶

Latihan (1)¶

LOADING DATA¶

Latihan (2)¶

DATA CLEANING¶

Latihan (3)¶

Latihan (4)¶

Latihan (5)¶

DATA PREPROCESSING¶

Latihan (6)¶

DIMENSIONALITY REDUCTION¶

Latihan (7)¶

CLUSTERING¶

Latihan (8)¶

EVALUATING MODELS¶

Latihan (9)¶

PROFILING¶

Latihan (10)¶

CONCLUSION¶

END¶

Customer Segmentation
¶

IMPORTING LIBRARIES
¶

LOADING DATA
¶

DATA CLEANING
¶

DATA PREPROCESSING
¶

DIMENSIONALITY REDUCTION
¶

CLUSTERING
¶

EVALUATING MODELS
¶

PROFILING
¶

CONCLUSION
¶

END
¶